Quality Indicators as a Tool in Improving the Introduction of New Medicines
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Quality indicators are increasingly used as a tool to achieve safe and quality clinical care, cost-effective therapy, for professional learning, remuneration, accreditation and financial incentives. A substantial number focus on drug therapy but few address the introduction of new medicines even though this is a burning issue. The objective was to describe the issues and challenges in designing and implementing a transparent indicator framework and evaluation protocol for the introduction of new medicines and to provide guidance on how to apply quality indicators in the managed entry of new medicines. Quality indicators need to be developed early to assess whether new medicines are introduced appropriately. A number of key factors need to be addressed when developing, applying and evaluating indicators including dimensions of quality, suggested testing protocols, potential data sources, key implementation factors such as intended and unintended consequences, budget impact and cost-effectiveness, assuring the involvement of the medical professions, patients and the public, and reliable and easy-to-use computerized tools for data collection and management. Transparent approaches include the need for any quality indicators developed to handle conflict of interests to enhance their validity and acceptance. The suggested framework and indicator testing protocol may be useful in assessing the applicability of indicators for new medicines and may be adapted to healthcare settings worldwide. The suggestions build on existing literature to create a field testing methodology that can be used to produce country-specific quality indicators for new medicines as well as a cross international approach to facilitate access to new medicines.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,050 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle